來(lái)源：科技日?qǐng)?bào)

記者：張佳欣

人工智能（AI）的發(fā)展正在進(jìn)入一個(gè)全新階段，或?qū)摹袄斫庹Z(yǔ)言”走向“理解世界”。

李飛飛認(rèn)為，當(dāng)前以大型語(yǔ)言模型和圖像分類器為主導(dǎo)的人工智能時(shí)代已經(jīng)達(dá)到了極限。

圖片來(lái)源：pymnts.com網(wǎng)站

11月10日，美國(guó)斯坦福大學(xué)教授、World Labs聯(lián)合創(chuàng)始人李飛飛發(fā)文《從語(yǔ)言到世界：空間智能是AI的下一個(gè)前沿》，提出空間智能將成為AI攀登的下一座高峰。她指出，當(dāng)前以大型語(yǔ)言模型為代表的AI系統(tǒng)雖然能熟練生成文字與圖像，卻仍停留在“語(yǔ)言的世界”中，困于“紙上談兵”，缺乏對(duì)現(xiàn)實(shí)空間、物理規(guī)律與因果關(guān)系的真正理解。而具備空間智能的AI將突破這一瓶頸，像人類一樣在現(xiàn)實(shí)世界中感知、推理和行動(dòng)。

從算法智能到空間智能

當(dāng)今的大型語(yǔ)言模型在閱讀、寫作和模式識(shí)別上表現(xiàn)出色，卻在物理世界的表征與交互上存在根本局限。即使是最新的多模態(tài)大模型，在估算距離、方向、大小時(shí)的表現(xiàn)也往往不及隨機(jī)水平。它們無(wú)法在空間中導(dǎo)航、辨識(shí)捷徑，也不能穩(wěn)定預(yù)測(cè)最基本的物理規(guī)律。此外，AI生成的視頻雖令人印象深刻，卻往往在幾秒之內(nèi)失去連貫性。

這些局限使得AI難以真正賦能人類的創(chuàng)造性工作。無(wú)論是幫助學(xué)生理解復(fù)雜的分子化學(xué)概念，協(xié)助建筑師構(gòu)思空間結(jié)構(gòu)，還是為導(dǎo)演、游戲設(shè)計(jì)師構(gòu)建虛擬世界，目前的AI距離這一目標(biāo)尚遠(yuǎn)。

在李飛飛看來(lái)，空間智能是人類認(rèn)知建構(gòu)的腳手架，驅(qū)動(dòng)著想象、創(chuàng)造與推理，是連接感知與行動(dòng)的核心能力。這種能力讓人們輕松完成停車時(shí)估算車距、在人群中自如穿行等日常動(dòng)作，其核心在于將想象、感知與行動(dòng)融為一體，實(shí)現(xiàn)從“知道”到“理解”的跨越。

她認(rèn)為，空間智能代表著超越語(yǔ)言的邊界，融合了想象、感知與行動(dòng)，讓機(jī)器不僅理解“看到了什么”，還理解“這些東西如何關(guān)聯(lián)、意味著什么、為何重要”。這類AI將能真正拓展人類的創(chuàng)造力與理解力，從醫(yī)療健康到藝術(shù)創(chuàng)作，從科學(xué)探索到日常輔助，將會(huì)帶來(lái)前所未有的變革。

構(gòu)建世界模型是實(shí)現(xiàn)路徑

李飛飛文中提出，要實(shí)現(xiàn)真正的空間智能，就需要突破現(xiàn)有大型語(yǔ)言模型的范式，轉(zhuǎn)向一種更為根本的世界模型。這種新模型不僅能理解語(yǔ)義關(guān)系，更能在幾何、物理和動(dòng)態(tài)規(guī)則上一致地“想象”和“重建”世界。它應(yīng)當(dāng)能感知多模態(tài)輸入，預(yù)測(cè)場(chǎng)景變化，并與環(huán)境進(jìn)行交互。

當(dāng)前研究方向包括生成三維物體與場(chǎng)景的3D生成模型、模擬動(dòng)態(tài)過(guò)程的物理引擎，以及通過(guò)交互學(xué)習(xí)的具身智能系統(tǒng)。但真正能整合上述全部能力的通用世界模型仍處于起步階段。

李飛飛創(chuàng)立的World Labs正嘗試推動(dòng)這一前沿研究。其團(tuán)隊(duì)研發(fā)的世界模型可在語(yǔ)義與幾何層面理解復(fù)雜3D場(chǎng)景，推理其中的物理屬性與交互關(guān)系，并生成連貫、可探索的虛擬空間，交互中還可遵守物理與幾何規(guī)律。

其開發(fā)的Marble平臺(tái)已率先應(yīng)用了這些能力，創(chuàng)作者無(wú)需傳統(tǒng)3D建模工具，就能快速創(chuàng)建和編輯完整的虛擬世界。這意味著AI正在從理解語(yǔ)言邁向理解空間，從生成圖像邁向生成世界。

重塑人類如何與世界共處

“距自然界第一次在遠(yuǎn)古動(dòng)物中孕育出空間智能，已過(guò)去近五億年。如今，我們有幸成為可能賦予機(jī)器同樣能力的一代技術(shù)人?！崩铒w飛文中寫道。她認(rèn)為，空間智能將重新定義AI的功能和行為方式。借助世界模型，機(jī)器將從被動(dòng)分析轉(zhuǎn)向主動(dòng)規(guī)劃和適應(yīng)。例如，倉(cāng)庫(kù)機(jī)器人可繞過(guò)不斷變化的庫(kù)存規(guī)劃路徑，而不是在被阻擋時(shí)停止；自動(dòng)駕駛汽車可預(yù)測(cè)行人的移動(dòng)，而不是等待明確的信號(hào)；甚至有一天，數(shù)字助理也能解讀手勢(shì)、空間環(huán)境或共享的視覺(jué)框架。

具體而言，在創(chuàng)意與敘事領(lǐng)域，空間智能將重新定義人類的創(chuàng)造方式。導(dǎo)演和游戲設(shè)計(jì)師可自由構(gòu)建虛擬世界，建筑師能即時(shí)可視化結(jié)構(gòu)與比例，個(gè)人創(chuàng)作者與學(xué)生也能借助虛擬現(xiàn)實(shí)、擴(kuò)展現(xiàn)實(shí)技術(shù)在三維空間中“造世界”。

在機(jī)器人領(lǐng)域，空間智能是實(shí)現(xiàn)具身智能的關(guān)鍵。它讓機(jī)器人能在虛擬環(huán)境中高效訓(xùn)練、理解空間關(guān)系與人類意圖，從實(shí)驗(yàn)室助手到家庭陪護(hù)都能安全協(xié)作。未來(lái)，從納米醫(yī)療機(jī)器人到軟體探測(cè)機(jī)器人，AI都將具備環(huán)境感知與自適應(yīng)能力。

在科學(xué)、醫(yī)療與教育中，空間智能將成為人類探索的倍增器：AI可模擬實(shí)驗(yàn)、預(yù)測(cè)結(jié)果，加速藥物研發(fā)與影像診斷；在課堂上，它能讓學(xué)生“走進(jìn)”分子或歷史現(xiàn)場(chǎng)，使抽象知識(shí)具象可感。

李飛飛強(qiáng)調(diào)，空間智能的目標(biāo)并非取代人類，而是增強(qiáng)人類的專業(yè)判斷力、創(chuàng)造力與共情力，讓技術(shù)更深地服務(wù)于人性。具備空間智能的AI將幫助人類理解疾病、重塑敘事形式、陪伴脆弱群體，加速科學(xué)發(fā)現(xiàn)與社會(huì)關(guān)懷。

她認(rèn)為，空間智能不僅將改變AI能做什么，更將重塑人類如何與世界共處。從語(yǔ)言到空間，從文字到世界，AI正邁向一個(gè)真正能理解現(xiàn)實(shí)的新時(shí)代。